[发明专利]一种基于深度学习的无人驾驶语音识别方法及装置

权利要求书

1.一种基于深度学习的无人驾驶语音识别方法，其特征在于，包括：

获取开源的中文语音数据集，提取语音数据集的语音序列；

将得到的语音序列输入到深度卷积神经网络模型中，输出语音序列的特征向量；

将深度卷积神经网络模型输出的特征向量输入到全连接层中进行降维，再输入到连接时序分类模块；

通过连接时序分类模块得到全连接层输出的后验概率，依据后验概率得到语音数据库中匹配的语句。

2.根据权利要求1所述的基于深度学习的无人驾驶语音识别方法，其特征在于：所述获取开源的中文语音数据集，提取语音数据集的语音序列，包括：

获取行人或乘客的语音，将输入的语音进行预处理；

通过MFCC语音特征提取算法提取音频信号的相关特征，将音频信号转换为包含声音信息的多维向量。

3.根据权利要求2所述的基于深度学习的无人驾驶语音识别方法，其特征在于：所述将得到的语音序列输入到深度卷积神经网络模型中，输出语音序列的特征向量，包括：

由MFCC语音特征提取算法得到的特征向量分两路分别输入到深度卷积神经网络模型中，两路特征向量经过不同卷积核的卷积层和池化层，分别得到包含语音特征的特征向量。

4.根据权利要求3所述的基于深度学习的无人驾驶语音识别方法，其特征在于：所述将深度卷积神经网络模型输出的特征向量进行降维，包括：

将深度卷积神经网络模型得到的两路包含语音特征的特征向量进行拼接，得到全部的高维特征向量，再通过全连接层进行降维得到低维的特征向量。

5.根据权利要求1所述的基于深度学习的无人驾驶语音识别方法，其特征在于：所述通过连接时序分类模块得到全连接层输出的后验概率，依据后验概率得到语音数据库中匹配的语句，包括：

通过连接时序分类模块，使用CTC损失函数，把得到的低维特征向量进行预测；

通过最大路径解码得到每个概率最大的前n条路径对应的标签，得到最终的解码结果，其中，n为建模单元个数；

再比对语音数据库中的匹配项，获取匹配到的语句。

6.一种基于深度学习的无人驾驶语音识别装置，其特征在于，包括：

语音序列提取单元，用于获取开源的中文语音数据集，提取语音数据集的语音序列；

语音序列特征向量获取单元，用于将得到的语音序列输入到深度卷积神经网络模型中，输出语音序列的特征向量；

特征向量降维单元，用于将深度卷积神经网络模型输出的特征向量输入到全连接层中进行降维，再输入到连接时序分类模块；

语音数据库匹配语句获取单元，用于通过连接时序分类模块得到全连接层输出的后验概率，依据后验概率得到语音数据库中匹配的语句。

7.根据权利要求6所述的基于深度学习的无人驾驶语音识别装置，其特征在于：所述语音序列提取单元，包括：

预处理单元，用于获取行人或乘客的语音，将输入的语音进行预处理；

转换单元，用于通过MFCC语音特征提取算法提取音频信号的相关特征，将音频信号转换为包含声音信息的多维向量。

8.根据权利要求6所述的基于深度学习的无人驾驶语音识别装置，其特征在于：所述语音数据库匹配语句获取单元，包括：

预测单元，用于通过连接时序分类模块，使用CTC损失函数，把得到的低维特征向量进行预测；

解码单元，用于通过最大路径解码得到每个概率最大的前n条路径对应的标签，得到最终的解码结果，其中，n为建模单元个数；

对比单元，用于再比对语音数据库中的匹配项，获取匹配到的语句。

9.一种基于深度学习的无人驾驶语音识别装置，其特征在于：包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～5任一项所述方法的步骤。